1 · In einem Satz
Maschinelles Lernen bedeutet, dass ein Computer aus Beispielen Muster erkennt und daraus lernt, Vorhersagen oder Entscheidungen zu treffen.
Maschinelles Lernen bedeutet, dass ein Computer aus Beispielen Muster erkennt und daraus lernt, Vorhersagen oder Entscheidungen zu treffen.
Maschinelles Lernen bedeutet, dass ein Computer aus Beispielen Muster erkennt und daraus lernt, Vorhersagen oder Entscheidungen zu treffen.
Beim maschinellen Lernen werden Algorithmen mit Daten trainiert. Statt für jede Situation feste Regeln zu programmieren, erkennt das System Zusammenhänge und Muster in den vorhandenen Daten und kann diese auf neue Daten anwenden.
Stell Dir vor, Du zeigst einem Computer ganz viele Bilder von Hunden und Katzen. Irgendwann merkt er selbst, woran er einen Hund und eine Katze unterscheiden kann. Du hast ihm nicht jede einzelne Regel erklärt. Er hat aus den Beispielen gelernt.
Maschinelles Lernen kann dort interessant werden, wo in Prozessen viele Daten entstehen und sich darin wiederkehrende Muster verbergen. Zum Beispiel bei Qualitätsabweichungen, Prognosen, Fehlerbildern oder Prozessdaten. Lean bleibt dabei wichtig: Erst verstehen wir den Prozess und das Problem. Dann prüfen wir, ob maschinelles Lernen überhaupt einen sinnvollen Beitrag leisten kann.
Zum Beispiel wenn ein System aus vergangenen Qualitätsproblemen lernt, Bedarfe prognostiziert, ungewöhnliche Prozessabweichungen erkennt oder große Datenmengen nach wiederkehrenden Mustern durchsucht.
Maschinelles Lernen bedeutet nicht, dass die Maschine plötzlich „denkt“ wie ein Mensch. Sie ist vor allem ziemlich gut darin, Muster in vielen Beispielen zu finden. Und schlechte Daten bleiben schlechte Lehrer. 😉